焊接作为钢结构连接的重要手段，焊接接头的疲劳性能关系到钢结构的安全。为了提高钢结构焊接接头的疲劳性能，本研究提出采用激光重熔处理焊接接头。为此，本研究开展了Q355钢板对接焊接的焊态接头与激光重熔处理接头的高周疲劳试验，通过扫描电子显微镜进行了疲劳断口分析，根据试验结果拟合了焊态焊接接头与激光重熔焊接接头的应力-寿命（S-N）疲劳曲线，并与规范疲劳公式进行了对比。试验结果表明：激光重熔处理可以改变焊接接头疲劳断裂的位置，并显著提升焊接接头的疲劳寿命；与规范对比结果表明，美国钢结构规范ANSI/AISC360-22、欧洲规范EN 1993-1-9:2005和海上钢结构设计推荐方法DNV-RP-C203给出的疲劳性能设计曲线对于激光重熔处理的焊接接头疲劳性能均偏于保守。

为研究双层螺旋曲杆束在拉-弯耦合作用下的力学行为及其内部钢丝协同工作机理，本文考虑丝间摩擦滑移，建立了层间接触、同步接触两类典型条件下的侧丝微段静力平衡关系并进行解析推导，同步提出一种改进的半精细化有限元模型进行数值模拟和结果对比。由弯曲变形时侧丝所受剪切力的分布规律获得了两类接触条件下的丝间相对滑移方向，并在此基础上根据平衡方程推导得侧丝滑移后的轴力限值。通过对各丝贡献的弯矩求和得到在拉-弯耦合作用下曲杆束各截面的弯矩-局部曲率关系式，并提出一种简化的弯矩-曲率均值关系式来描述其整体弯曲行为。结果表明：由于侧丝沿曲杆束整体轴向周期旋转，相邻丝之间接触面有滑移驻点，且驻点两侧相对滑移方向相反；侧丝-侧丝、侧丝-芯丝接触面的滑移驻点、初始滑移位置不同；忽略内部滑移扩展过程，两类接触条件下双层螺旋曲杆束具有相同的弯矩-曲率均值关系式，函数图像呈双折线。半精细化有限元模型滑移前后的弯曲变形结果与解析值的误差小于4%，且提取的丝间相对滑移结果规律与分析结论相符。

为探究高速铁路大跨度斜拉桥钢箱梁的温度模式。基于商合杭高铁裕溪河大桥实测温度数据和数据库资料，通过机器学习方法，对钢箱梁温度受各类气象因素影响的模式、温度场的时间和空间分布规律开展研究。通过建立反应多种气象因素与钢箱梁均匀温度映射关系的机器学习模型，分析各模型的优劣性和适用性，并得到影响钢箱梁均匀温度的气象因素重要性排名；综合机器学习方法和指数拟合研究钢箱梁温度竖向分布模式。研究结果表明：气象因素对钢箱梁均匀温度的影响重要性从高到低排名为：气温、累积辐射量、气压、湿度、辐射强度、风向、水平能见度、风速、降水量，且温度的重要性远超其他气象因素；其中对钢箱梁均匀温度影响最大的是2和3小时前的大气温度，反应了大气温度变化对钢箱梁均匀温度的影响有2-3小时的滞后性；神经网络、随机森林和XGBoost模型均能较为准确地对钢箱梁均匀温度进行预测，其中神经网络模型整体预测效果较好；钢箱梁负温差对气象因素的敏感度较低，与自身结构的热量传递模式相关性更大；指数函数能较高精度地拟合钢箱梁竖向最大正温差分布情况，其参数可通过机器学习方法确定，且不同参数分别具有实际物理意义。研究结果为高速铁路大跨度斜拉桥钢箱梁温度结构温度预测及分布模式提供参考。

针对在役桥梁维修加固策略在制定和实施的过程中存在的主观不确定性的问题，本文提出了一种考虑加固时间区间的桥梁运维决策框架。该框架引入区间数来量化不能用概率描述的主观不确定性，并基于代理模型实现概率-区间混合不确定性下最不利可靠度指标的直接映射，最后通过多目标优化算法NSGA-Ⅱ，对该框架进行高效驱动。以典型装配式简支T梁桥为例，基于WIM系统实测数据建立了车辆荷载效应概率模型，之后引入时变抗力退化模型，对T梁桥的运维策略进行了优化，并制定了典型T梁桥的运维决策库。结果表明，时间区间较小的策略对应的全生命周期成本（Life Cycle Cost, LCC）较小，容许的主观不确定性也较小；时间区间较大的策略虽LCC较大，但为施工、决策等留有了更充足的空间。对于跨径20~40m的简支T梁桥，均可通过不同的加固策略，使其在LCC最小的情况下，满足服役期可靠度指标要求。

分布式驱动电动车辆可以独立、精准地控制各车轮的驱动转矩来实现驱动防滑控制，但单一的驱动防滑策略难以满足多种复杂行驶工况要求，不能保证车辆驱动综合性能最优。因此，本文提出一种响应快速、控制精准适应多种复杂工况的驱动防滑多模式控制策略。首先，针对不同工况下的性能要求，基于七自由度分布式驱动车辆模型设计了相应的驱动模式及模式切换策略。其次，基于Burckhardt轮胎模型6条标准路面的附着特性曲线，利用优化的线性插值算法，提出了路面识别融合算法计算最优滑移率，并以此作为控制目标设计了非线性整定的PID控制器实现动力分配控制及切换。最后，建立了CarSim整车模型和Matlab/Simulink驱动防滑控制模型，在低附着路面、对接路面、对开路面、低附着坡道和对开坡道上进行了联合仿真验证。仿真结果表明，路面识别策略能精确地辨识道路的附着系数，驱动防滑策略在不同工况下都能快速响应并在不同模式之间准确切换，兼顾了动力性与稳定性，有效提高了驱动防滑性能。

在燃料电池混合动力汽车的实际运行中，空调系统为驾驶员和乘客提供舒适的环境，然而空调系统的运行效果与汽车实际运行的能量分配相互影响，因此需要将空调系统考虑进能量管理策略，设计出在满足舱内温度舒适性要求的情况下兼顾整车氢耗经济性的能量管理策略。首先在建立整车动力学模型的基础上，利用热平衡方程建立热泵空调系统模型和热负荷模型。然后，采用结合了双Q网络和深度确定性策略梯度的优先经验采样的双延迟深度确定性策略梯度(TD3-PER）算法，建立考虑空调系统能耗与车辆运行需求能量管理策略。最后在NEDC典型工况下进行仿真得出：TD3-PER能量管理策略下的空调系统能够使舱温在100秒内迅速达到并维持在22℃到26℃的舒适范围，满足制冷/制热效果保证车舱温度舒适性，验证了在考虑空调系统时TD3-PER能量管理策略的可行性；在空调系统制冷/制热时，基于TD3-PER算法的策略比传统的深度确定性策略梯度(DDPG)算法的策略的功率分配情况能够延长燃料电池和蓄电池使用寿命，且在制冷/制热时根据氢耗量分别可提高2.59%和3.58%的经济性，验证了基于TD3-PER算法能量管理策略在降低氢耗量、提高整车经济性方面相较于传统算法更具优势。

为提高驾驶性评价方法的准确性与可靠性，提出一种融合极限梯度提升算法与沙普利解释算法的主客观综合评价方法。本文以车辆起步工况为研究目标，定义车辆起步工况下的9项客观评价指标。提出以极限梯度提升算法双向映射客观评价指标值与主观评分，并利用沙普利解释算法对映射模型进行特征归因，构建兼具预测准确性与可解释性的驾驶性综合评价模型。应用该方法进行多次道路试验，对比分析多种驾驶性综合评价方法，结果表明：本文所述方法的映射准确性相较 BP 神经网络、随机森林与极限学习机等主流驾驶性评价算法具有明显提升，且该驾驶性综合评价方法具有一定的可解释性，对驾驶性评价中的主客观综合评价具有参考意义。

需求响应公交作为共享公共交通新模式的典型代表，正面临着高效处理出行需求与实时规划车辆路径的挑战，传统的需求响应公交动态调度方法侧重于需求已知后对车辆路径的动态调整，这种方法往往难以全面适应出行需求的变化。因此，本研究通过引入模型预测控制方法，建立需求响应公交动态调度模型，利用未来阶段的先验客流信息为当前阶段的调度决策提供优化条件，并及时地根据系统最新披露的信息重新规划。算法上，本研究采用了自适应大领域搜索策略，通过两阶段启发式方法迭代车辆调度序列。数值实验结果显示，在无预测偏差的理想场景下，相较于传统动态调度方法，本研究方法能够显著降低系统总成本14.54%；即便在预测偏差为30%的悲观场景下，仍然能够实现5.27%的成本优化，并且各项乘客服务指标均表现出更优异的性能，验证了在不同随机环境下的普适性。

为深入理解共享自动驾驶汽车（SAVs）引入后对城市可能产生的影响，并推动城市交通系统的可持续发展，围绕SAVs的多阶影响进行了全面回顾和系统分析，旨在总结以往研究的主要贡献和存在的缺陷，并提出未来研究的可能方向。综述结果表明，现有研究主要集中于SAVs对交通系统的短期影响，包括对居民出行行为与道路交通流等方面的探讨。然而，对于SAVs的长期影响，特别是对城市可达性、环境与能源的研究相对较少。与此同时，尽管已有研究揭示了SAVs可能带来的负面效应，例如对环境或可达性的潜在不利影响，但却鲜有研究提出具有针对性和实效性的发展策略。此外，在研究方法方面，现有研究主要依赖定性分析或独立的交通需求模型进行推演和模拟，研究结果的可靠性存在一定局限性。未来研究应通过开发土地利用与交通整合模型，并将其与数据驱动的方法相结合，以更精确、全面和系统地刻画SAVs引入对城市土地利用、环境与能源的长期（负面）影响，并提出针对性的发展策略和应对措施，以优化SAVs的应用效果，减少其潜在负面影响，推动城市交通系统向高效、智能和可持续的方向发展。

为提高合乘匹配概率和合乘满意度，本文提出一种考虑乘客合乘时间-价格弹性的动态合乘匹配方法。采用RP+SP问卷调查方法，收集用户的个体属性、不同场景出行下的合乘与非合乘方式选择行为。根据用户合乘偏好进行聚类，将乘客分为三类，建立非集计弹性分析模型，得到三种类型乘客的合乘、非合乘的时间-价格弹性值。将时间-价格弹性纳入到出行成本中，建立所有乘客和司机的广义成本函数。构建双层规划模型，上层模型考虑司机和出行者的效益，下层模型以系统内所有乘客的选择概率最大为目标。考虑路径约束和载客量约束，设计合乘匹配算法。最后，以西安市出租车数据为例，分别对系统内乘客具有不同合乘弹性值时的匹配方案进行求解，比较匹配方案的差异性。结果表明，当乘客具有较高的合乘弹性值时（2.22，0.99），其非合乘成本低于合乘成本，系统无法进行有效的合乘匹配。当乘客具有较低的合乘弹性值时（0.12），可将多个乘客与其匹配。本文的结论证明了合乘弹性的必要性，可用于指导政府部门的网约车、出租车的订单分配和调度。

车辆行驶轨迹蕴含丰富的出行特征信息，通过研判轨迹中的职住地及出行兴趣点，可以深度分析出行活动特征和规律。本文以每日出行活动第一个起点和最后一个讫点构成的点集作为居住地的可能点集，其余起讫点构成工作地与兴趣地可能点集。在可能点集的基础上，提出了基于均值偏移（Mean Shift）聚类和时空双重约束的职住地识别方法，结合簇密度、簇内点平均停留时间和出行时间范围三个条件，识别居住地、工作地和兴趣地坐标。基于KD-Tree算法为每一类地点坐标匹配邻近POI数据，得到职住地具体位置与名称。在职住地和出行兴趣点识别的基础上，结合出行次数、出行距离和出行时间表征出行活跃度，以稳定性和差异指标表征出行规律性，采用K-means++聚类分析算法，研判出行活动特征类别。以北京市连续34天均有出行活动的1708辆私家车行驶轨迹数据为例，进行实证研究。研究结果表明，构建的职住地识别方法研判的职住地分布特征与现实规律相符，具有较高精度和可靠性。基于K-means++算法的出行活动特征分类表明特大城市的出行活动以活跃型为主，占比59.84%，其中多次出行活跃型占比最多，为31.09%。活跃型的出行活动在工作日以规律性出行为主，在非工作日以非规律性出行为主。本研究可为交通基础设施布局优化提供理论支撑。

在路面平整度预测达到规范化、标准化的同时，面向智慧城市、智能交通设施建设，路面平整度IRI的快速、高频次、低成本的智能预测也得到广泛的研究，但基于不同智能设备的平整度预测精度、预测效果等，尚未得到深入的研究。首先，本文利用作者课题组开发的两种智能预测设备，即路面行车数据采集智能手机App软件和路面行车数据采集智能终端，开展了路面行车实验，采集了行车振动、速度、位置等数据。通过引入随机森林模型，确定了最能够反映IRI影响的四个振动加速度特征指标。利用循环神经网络RNN、门控循环单元GRU和长短期记忆网络LSTM三种神经网络，建立了路面平整度IRI的预测模型，并对不同模型、不同设备的IRI预测精度进行了对比。结果表明：LSTM在三种神经网络模型中实现了最好的鲁棒性和最高的预测精度，两个智能设备预测IRI的R²分别为0.864、0.789，智能终端的预测精度要高于智能手机的预测精度。研究成果对于提升我国道路路面平整度预测和监测的信息化水平、提高道路养护决策科学化水平等，具有重要的理论意义和应用价值。